公开(公告)号：CN111860654A

公开(公告)日：2020-10-30

申请号：CN202010712607.8

申请日：2020-07-22

申请人： 河南大学

发明人： 渠慎明 ,  孟凡春 ,  成荃 ,  郭念 ,  刘煊 ,  李祥

IPC分类号： G06K9/62 ,  G06N3/08

摘要： 本发明公开了基于循环神经网络的高光谱图像分类方法，包括以下步骤：使用主成分分析方法将三维的高光谱图像数据作进行降维处理，获取二维主成分图像；获取二维主成分图像的纹理特征和形态特征，将两个特征叠加在一起得到融合特征图像和其特征矩阵，获取融合特征图像中每个像素的非邻域像素特征，作为训练样本；利用训练样本的非邻域像素特征对循环神经网络进行参数训练，得到训练好的高光谱图像分类模型，利用训练好的高光谱图像分类模型对高光谱图像进行分类。本发明整合了高光谱图像纹理特征和形态学特征，引入非邻域像素特征的思想并同时使用循环神经网络的记忆功能完成高光谱图像分类任务，提升分类结果的可靠性。

公开(公告)号：CN111860654B

公开(公告)日：2024-02-02

申请号：CN202010712607.8

申请日：2020-07-22

申请人： 河南大学

发明人： 渠慎明 ,  孟凡春 ,  成荃 ,  郭念 ,  刘煊 ,  李祥

IPC分类号： G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/044 ,  G06N3/09

摘要： 本发明公开了基于循环神经网络的高光谱图像分类方法，包括以下步骤：使用主成分分析方法将三维的高光谱图像数据作进行降维处理，获取二维主成分图像；获取二维主成分图像的纹理特征和形态特征，将两个特征叠加在一起得到融合特征图像和其特征矩阵，获取融合特征图像中每个像素的非邻域像素特征，作为训练样本；利用训练样本的非邻域像素特征对循环神经网络进行参数训练，得到训练好的高光谱图像分类模型，利用训练好的高光谱图像分类模型对高光谱图像进行分类。本发明整合了高光谱图像纹理特征和形态学特征，引入非邻域像素特征的思想并同时使用循环神经网络的记忆功能完成高光谱图像分类任务，提升分类结果的可靠性。